A method and system for recognizing user input information including cursive handwriting and spoken words. A time-delayed neural network having an improved architecture is trained at the word level with an improved method, which, along with preprocessing improvements, results in a recognizer with greater recognition accuracy. Preprocessing is performed on the input data and, for example, may include resampling the data with sample points based on the second derivative to focus the recognizer on areas of the input data where the slope change per time is greatest. The input data is segmented, featurized and fed to the time-delayed neural network which outputs a matrix of character scores per segment. The neural network architecture outputs a separate score for the start and the continuation of a character. A dynamic time warp (DTW) is run against dictionary words to find the most probable path through the output matrix for that word, and each word is assigned a score based on the least costly path that can be traversed through the output matrix. The word (or words) with the overall lowest score (or scores) are returned. A DTW is similarly used in training, whereby the sample ink only need be labeled at the word level.

Μια μέθοδος και ένα σύστημα για τις πληροφορίες εισαγωγής χρηστών συμπεριλαμβανομένης της ρέουσας γραφής και των προφορικών λέξεων. Ένα time-delayed νευρικό δίκτυο που έχει μια βελτιωμένη αρχιτεκτονική εκπαιδεύεται στο επίπεδο λέξης με μια βελτιωμένη μέθοδο, η οποία, μαζί με την προεπεξεργασία των βελτιώσεων, οδηγεί σε ένα σύστημα αναγνώρισης με τη μεγαλύτερη ακρίβεια αναγνώρισης. Η προεπεξεργασία εκτελείται στα δεδομένα εισόδου και, παραδείγματος χάριν, μπορεί να περιλάβει τη λήψη δείγματος των στοιχείων με τα σημεία δειγμάτων βασισμένα στο δεύτερο παράγωγο για να στρέψουν το σύστημα αναγνώρισης στους τομείς των δεδομένων εισόδου όπου η αλλαγή κλίσεων ανά χρόνο είναι μέγιστη. Το δεδομένο εισόδου είναι τεμμένο, και τααΐε στο time-delayed νευρικό δίκτυο που τα αποτελέσματα μια μήτρα του χαρακτήρα σημειώνουν ανά τμήμα. Τα νευρικά αποτελέσματα δικτυακής αρχιτεκτονικής ένα χωριστό αποτέλεσμα για την έναρξη και η συνέχεια ενός χαρακτήρα. Μια δυναμική χρονική στρέβλωση (DTW) αντιτίθεται τις λέξεις λεξικών για να βρεί την πιθανότερη πορεία μέσω της μήτρας παραγωγής για εκείνη την λέξη, και σε κάθε λέξη ορίζεται ένα αποτέλεσμα βασισμένο στη λιγότερη δαπανηρή πορεία που μπορεί να διαπερνηθεί μέσω της μήτρας παραγωγής. Η λέξη (ή λέξεις) με το γενικό χαμηλότερο αποτέλεσμα (ή τα αποτελέσματα) επιστρέφεται. Ένα DTW χρησιμοποιείται ομοίως στην κατάρτιση, με το οποίο το μελάνι δειγμάτων χρειάζεται μόνο να ονομαστεί στο επίπεδο λέξης.